जैव प्रौद्योगिकी दवाओं के विकास के लिए एआई और मशीन लर्निंग को लागू कर रही है, संभावित रूप से अगले दशक में दर्जनों नई दवाएं और $ 50 बिलियन का बाजार बना रही है।यहाँ यह है कि मरीजों और निवेशकों के लिए क्या मतलब है.

परिचय:

जैव प्रौद्योगिकी कंपनियों के लिए, नई दवाओं की खोज की पारंपरिक प्रक्रिया का एक बड़ा हिस्सा महंगी अटकलें है। लेकिन दवा विकास प्लेटफार्मों की एक नई लहर, कृत्रिम बुद्धि द्वारा सक्षम,यह कंपनियों को बड़ी मात्रा में डेटा सेट का उपयोग करके रोगी प्रतिक्रिया मार्करों की जल्दी पहचान करने और सस्ते और कुशल तरीके से व्यवहार्य दवा लक्ष्य विकसित करने में मदद कर रहा है।.

परिणाम न केवल चिकित्सा प्रदाताओं और कठिन उपचार रोगों से पीड़ित रोगियों के लिए, बल्कि जैव प्रौद्योगिकी क्षेत्र के लिए भी परिवर्तनकारी हो सकते हैंः Morgan Stanley Research believes that modest improvements in early-stage drug development success rates enabled by the use of artificial intelligence and machine learning could lead to an additional 50 novel therapies over a 10-year period, जो 50 अरब डॉलर से अधिक का अवसर हो सकता है।

तेजस सावंत ने कहा कि डेटा द्वारा संवर्धित पूर्वानुमान निदान जीवन विज्ञान उद्योग के लिए निकट अवधि में एक महत्वपूर्ण अवसर है।जो मोर्गन स्टेनली रिसर्च में जीवन विज्ञान उपकरण और निदान को कवर करता हैयह भुगतानकर्ताओं के साथ भी प्रतिध्वनित होने की संभावना है, क्योंकि ये परीक्षण बेहतर परिणाम उत्पन्न कर सकते हैं।वे उच्च जोखिम वाले रोगियों की पहचान और उपचार को पहले से सक्षम करके काफी लागत बचत भी कर सकते हैं.

ड्रग डिस्कवरी में एआई का उपयोग क्यों करें?

दवा खोज अनुसंधान का मुख्य उद्देश्य ऐसी दवाओं की पहचान करना है जो शरीर पर लाभकारी प्रभाव डालती हैं, दूसरे शब्दों में, वे किसी विशेष बीमारी को रोकने या इलाज में मदद कर सकती हैं।

यद्यपि कई प्रकार की दवाएं हैं, लेकिन उनमें से कई छोटे रासायनिक रूप से संश्लेषित अणु हैं जो विशेष रूप से एक लक्ष्य अणु से बंध सकते हैं – आमतौर पर एक प्रोटीन – जो किसी बीमारी में शामिल होता है।

इन अणुओं को खोजने के लिए, शोधकर्ता परंपरागत रूप से अणुओं के पुस्तकालयों की बड़ी स्क्रीन करते हैं ताकि एक को पहचान सकें जिसमें दवा बनने की क्षमता हो।फिर वे इसे एक आशाजनक यौगिक में विकसित करने के लिए परीक्षण के कई दौर से गुजरते हैं.

हाल ही में, अधिक तर्कसंगत संरचना-आधारित दवा डिजाइन दृष्टिकोण तेजी से आम हो रहे हैं।ये प्रारंभिक स्क्रीनिंग चरणों से बचते हैं लेकिन फिर भी रसायनज्ञों को डिजाइन करके संभावित नई दवाओं को बनाने की आवश्यकता होती है, कई यौगिकों का संश्लेषण और मूल्यांकन।

चूंकि यह आम तौर पर अज्ञात है कि कौन सी रासायनिक संरचनाओं में वांछित जैविक प्रभाव और प्रभावी दवा बनने के लिए आवश्यक गुण दोनों होंगे,एक आशाजनक यौगिक को दवा उम्मीदवार में परिष्कृत करने की प्रक्रिया महंगी और समय लेने वाली दोनों हो सकती हैनवीनतम आंकड़ों से पता चलता है कि एक नई दवा को बाजार में लाने की लागत अब औसतन 2.6 बिलियन अमेरिकी डॉलर है।

इसके अतिरिक्त, एक बार जब एक नई दवा उम्मीदवार प्रयोगशाला परीक्षणों में क्षमता दिखाता है, तो यह अभी भी विफल हो सकता है जब इसे नैदानिक परीक्षणों में स्थानांतरित किया जाता है।चरण I परीक्षणों के बाद 10% से कम उम्मीदवार दवाएं बाजार में आती हैं.

इस बात को ध्यान में रखते हुए, यह आश्चर्य की बात नहीं है कि विशेषज्ञ अब नई दवाओं की खोज में तेजी लाने और लागत को कम करने के तरीके के रूप में एआई प्रणालियों की अद्वितीय डेटा प्रसंस्करण क्षमता की तलाश कर रहे हैं।बाजार अनुसंधान फर्म बेक्रिल के अनुसार, 2028 तक दवा की खोज प्रक्रिया के लिए 70 बिलियन अमेरिकी डॉलर से अधिक की बचत करने की क्षमता है।

एआई को नशीली दवाओं की खोज के लिए कैसे लागू किया जा सकता है?

The sheer size of the libraries used to screen for new drug candidates means it’s now practically impossible for individual researchers to review everything themselves - and that’s where AI and machine learning can help.

ये परिष्कृत तकनीकें शोधकर्ताओं को विशाल डेटासेट से छिपी हुई अंतर्दृष्टि निकालने की अनुमति देती हैं। ऐसा करने के कई फायदे हैंः

• एक संभावित यौगिक के गुणों की भविष्यवाणी,जिसका अर्थ है कि संश्लेषण के लिए केवल वांछित गुणों वाले यौगिकों का चयन किया जाता है जो प्रभावी होने की संभावना नहीं वाले यौगिकों पर काम करने से समय और धन की बचत करते हैं.
• पूरी तरह से नए यौगिकों के लिए विचार उत्पन्न करना,जहां ′′ आविष्कारित ′′ अणु में सफलता के लिए आवश्यक सभी वांछित गुणों की भविष्यवाणी की जाती है ′′ जो प्रभावी नई दवाओं की खोज में बहुत तेजी ला सकता है.
• बार-बार होने वाले कार्यों की आवश्यकता को कम करना, जैसे कि हजारों हिस्टोलॉजिकल छवियों का विश्लेषण करना, प्रयोगशाला में सैकड़ों मानव-घंटे की बचत करना।

ये केवल कुछ संभावित लाभ हैं, दवा खोज पाइपलाइन के शुरुआती अंत को देखते हुए।

केएस-वी पेप्टाइड एआई-सहायता प्राप्त दवा की खोजः

लक्ष्य पर पेप्टाइडों को डॉकिंग करना और बंधन संरचनाओं को स्कोर करना, सर्वोत्तम स्कोर के साथ परिणामों को बनाए रखना, और पिछले परिणामों के आधार पर बेहतर अनुक्रमों की खोज जारी रखना।प्रक्रिया को तब तक दोहराएं जब तक स्कोरिंग में कोई महत्वपूर्ण बदलाव न होअंततः लक्ष्य अणु प्राप्त करने के लिए, प्रयोगशाला स्वचालन, उच्च थ्रूपुट स्क्रीनिंग के साथ एआई-सहायता प्राप्त दवा की खोज को मिलाकर,और अन्य प्रौद्योगिकियां दवा की खोज की प्रक्रिया को और बेहतर बना सकती हैं।.

केएस-वी पेप्टाइड एआई-सहायता प्राप्त ड्रग डिस्कवरी केस स्टडीः